【问题标题】:How are descriptors matched with each other in SIFT?SIFT 中的描述符如何相互匹配?
【发布时间】:2020-06-13 19:35:30
【问题描述】:

简介:

我试图获得彼此匹配描述符的直觉。我知道 python opencv 中查找关键点、绘制它们或将它们与图像匹配的方法。

我想问什么:

我的问题是关于获得彼此匹配的描述符的直觉。我们如何比较它们以查看是否找到匹配项?

我已经知道的:

SIFT 中的描述符是 128 维向量(16x16 大小的窗口分为 4x4 子块,每个单独的块是一个 bin 大小为 8 的直方图)

【问题讨论】:

  • 距离是通过根据给定的范数(例如 L2(平方差之和))对 128 维向量的每个元素之间的差异求和来计算的。较小的差异意味着更好的匹配。

标签: python opencv computer-vision sift descriptor


【解决方案1】:

关键点描述匹配的基本思想是基于描述符之间的欧几里得距离。距离越小,匹配的概率越高。

Different distances 如 L1-normal 或 L2-normal 用于查找最接近的匹配描述符。此外,还使用了不同的策略来优化匹配。

【讨论】:

    猜你喜欢
    • 2019-06-09
    • 1970-01-01
    • 1970-01-01
    • 2012-10-07
    • 2016-12-24
    • 2013-11-19
    • 1970-01-01
    • 2017-04-23
    • 2014-05-15
    相关资源
    最近更新 更多